导图社区 《数据分析基本理论》
《数据分析基本理论》,包括分析和解决问题四个层次,数据分析,基本理论三个步骤。模型用数据呈现里结论。
编辑于2022-11-03 17:28:06时间管理-读书笔记,通过学习和应用这些方法,读者可以更加高效地利用时间,重新掌控时间和工作量,实现更高效的工作和生活。
本书是法兰教授的最新作品之一,主要阐明了设计史的来源、设计史现在的状况以及设计史的未来发展可能等三个基本问题。通过对设计史学科理论与方法的讨论,本书旨在促进读者对什么是设计史以及如何写作一部好的设计史等问题的深入认识与反思。
《计算机组成原理》涵盖了计算机系统的基本组成、数据的表示与运算、存储系统、指令系统、中央处理器(CPU)、输入输出(I/O)系统以及外部设备等关键内容。通过这门课程的学习,学生可以深入了解计算机硬件系统的各个组成部分及其相互之间的连接方式,掌握计算机的基本工作原理。
社区模板帮助中心,点此进入>>
时间管理-读书笔记,通过学习和应用这些方法,读者可以更加高效地利用时间,重新掌控时间和工作量,实现更高效的工作和生活。
本书是法兰教授的最新作品之一,主要阐明了设计史的来源、设计史现在的状况以及设计史的未来发展可能等三个基本问题。通过对设计史学科理论与方法的讨论,本书旨在促进读者对什么是设计史以及如何写作一部好的设计史等问题的深入认识与反思。
《计算机组成原理》涵盖了计算机系统的基本组成、数据的表示与运算、存储系统、指令系统、中央处理器(CPU)、输入输出(I/O)系统以及外部设备等关键内容。通过这门课程的学习,学生可以深入了解计算机硬件系统的各个组成部分及其相互之间的连接方式,掌握计算机的基本工作原理。
《数据分析基本理论》
模型
漏斗模型
AIDA模型-4
①Attention/注意
②Interest/兴趣
③Desire/欲望
④Action/行为
AARRR模型-5
①Acquisition/用户获取
②Activation/用户促活
③Retention/用户留存
④Revenue/转化
⑤Referral/转介绍
营销广告投放模型-5
①展示量
②点击量
③访问量
④咨询量
⑤成交量
学习漏斗-5
①获取知识
②关注知识
③理解知识
④应用知识
⑤举一反三
RFM模型
分析消费者价值
个性化营销或销售
维度-3
Recency/最近一次消费的时间间隔
Frequency/消费频率
Monetary/消费金额
客户分类-8
R↓F↑M↑:重要价值客户
R↓F↓M↑:重要深耕客户
R↑F↑M↑:重要唤回客户
R↑F↓M↑:重要挽留客户
R↓F↑M↓:潜力客户
R↓F↓M↓:新客户
R↑F↑M↓:一般维持客户
R↑F↓M↓:流失客户
步骤-5
①拉取所有或一段时间内客户的R、F、M值
②对R、F、M值进行统计
③根据统计结果,确定R、F、M的分段和分值
④计算每个客户R、F、M值的得分
⑤将客户分类
波士顿矩阵
分析业务或产品的组合
优化资源配置
维度-2
当前情况:相对市场占有率/Relative Market Share
未来趋势:市场增长率/Market Growth Rate
分类-4
S↑G↑:明星/Stars
S↑G↓:金牛/Cash Cows
S↓G↑:问号/Question Marks
S↓G↓:瘦狗/Dogs
福格行为模型
探究行为原因
解决行为相关问题
Behaviour/行为的要素-3
Motivation/动机-8
寻觅快乐、免除痛苦
寻求希望、免除恐惧
寻找归属、免除偏见
获取福利、免除焦虑
Ability/能力-5
金钱成本
形象成本
决策成本
学习成本
时间成本
Trigger/触发器-3
利益触发
场景触发
情绪触发
Kano模型
研究某类人群的需求
设计产品、提高用户满意度
步骤-4
①问卷设计
②结果匹配
③B/W系数计算
④需求分类
匹配-6
期望需求:具备满意,缺失不满
魅力需求:具备满意,缺失一般
必备需求:具备一般,缺失不满
无差异需求:具备一般,缺失一般
反向需求:具备不满或一般,缺失满意
问题需求:具备、缺失都满意或都不满
维度-2
Better系数=(期望+魅力)/(期望+魅力+必备+无差异)
Worse系数=(期望+必备)/(期望+魅力+必备+无差异)
分类-4
B↑W↑:期望需求
B↑W↓:魅力需求
B↓W↑:必备需求
B↓W↓:无差异需求
用数据呈现结论
沟通表达
SCQA框架
Sistuation/背景
Complication/复杂性/冲突
Question/问题(常省略)
Answer/答案
变式-3
开门见山式
ASC
向上级汇报,突出重点
快速沟通,言简意赅
突出忧虑式
CSA
跨部门沟通,争取支持
强调冲突,引起情绪
突出信心式
QSCA
启发思考,提升期待感
引起注意,给予信心
分析和解决问题四层次
描述性分析:过去发生了什么?
诊断性分析:为什么会发生?
预测性分析:将来可能会怎样?
规范性分析:我们应该做什么?
数据分析解决问题三步骤
①发现和澄清问题:运用数据分析找到问题
对比分析
①对比什么数据(What):数据来源-4
KPI关键绩效指标
部门KPI
个人KPI
工作流程中的数据
相关行业报告/行业分析的数据
平常处理的数据
②怎么对比(How):统计指标-5
集中趋势:平均数、中位数、众数
极端情况:最值(最大值、最小值)
比值:比率、比例
相对位置:百分位、四分位
离散程度:方差、标准差
③和谁对比(Who):对比对象-3
历史对比
同比:不同周期、同一时间点的对比
环比:同一周期、相邻时间段的对比
横向对比
A/B测试
步骤-6
①确定测试目的
②找到关键因素,建立假设
③确定试验样本
④确定实验周期
⑤开始测试
⑥获取数据,进行对比
注意-3
样本数量过少,无法排出偶然因素影响
样本必须有效,调查样本要能代表总体
试验时间周期不宜过短,使数据趋于稳定
外部对比
获取数据-3
运用爬虫工具
行业报告
建立行业人脉
②分析和拆解问题:运用数据思维把大问题拆解
拆解分析
流程拆解(分析对象的流程环节)
行为轨迹分析
优化环节
优化路径
漏斗分析
步骤-3
①根据流程画出漏斗路径
✔漏斗层数≤7
✖漏斗层数>7
归并
切割
②对漏斗各环节做数据分析
对比分析
③确定重点优化环节
聚焦
哪个环节优化的产出更高
哪个环节优化的投入更低
价值链分析
高管业务决策
企业基本活动:进货物流、生产、出货物流、市场营销与销售、售后服务
支持性活动:采购、研发、人力资源管理、企业基础设施
要素拆解(分析对象的组成部分)
加法
MECE法则
Mututally Exclusive/相互独立
Collectively Exhaustive/完全穷尽
矩阵分析
市场营销:SWOT矩阵模型、GE矩阵模型
企业经营:波士顿矩阵模型、安索夫矩阵模型、定向政策矩阵、PEST矩阵模型
产品打造:多角战略矩阵、QSPM矩阵
减法、乘法、除法
维度拆解(分析对象的内外影响维度)
逻辑树
全面拆解问题的综合影响维度
分层罗列问题的子问题
相关分析(相关≠因果)
应用场景-3
快速锁定大问题相关的小因素,优化资源配置
用数据说服他人
判断事情优先级
分类
线性相关
正线性相关:单调增,斜率不变
负线性相关:单调减,斜率不变
非线性相关
指数相关:斜率变大
对数相关:斜率变小
相关系数R
绝对值|R|:相关程度
|R|≥0.6:高度相关
0.3≤|R|<0.6:中度相关
0≤|R|<0.3:弱相关,甚至不相关
正负:正相关or负相关
范围:–1~1
回归分析
定义
涉及因变量和自变量的关系
关系可用明确的回归方程表示
回归方程可用来对因变量进行预测
作用
预测
决策
一元线性回归分析步骤-4
①确定自变量和因变量
②绘制散点图
③求方程
④验证方程是否准确(相关系数R)
多元线性回归分析步骤-4
①用Excel整理和拉取数据
②相关分析检验和筛选
③列出初始方程
④显著性检验(Significance F<0.05)
③提出解决方案:找到问题关键确定最终方案
ROI
Return On Investment/投资回报率
投入
人力成本
物力成本
财力成本
产出
用户、财务、内部运营、学习和成长……
A/B测试
控制变量,用数据分析对比测试结果,寻找最优方案